观众平均停留多久？哪些展区让人微笑？20-30岁年轻人为何始终是“流量担当”？南京博物院用十年数据回答了这些问题。从2018年特展可视化监测到2025年智慧化转型，南博构建了一套覆盖“行为—情感—意图”三层的数据驱动观众分析体系。中国博物馆协会2025年度报告以南京博物院为实证案例，系统呈现了数据如何让博物馆真正“看见”观众。
观众分析的范式转移——从“经验判断”到“数据驱动”
博物馆观众研究的三个层次
在博物馆观众研究语境中，“数据驱动”是指以结构化与非结构化数据为基础，运用统计分析、机器学习与自然语言处理等方法，对观众行为、偏好与体验进行客观、系统的刻画与解释。报告将观众分析的目标分为三个由表及里的层次：行为层回答观众“做了什么”，侧重对参观模式的量化刻画；情感层关注观众“感受如何”，评估兴趣、困惑与满意度；意图层进一步解释观众“为什么/想要什么”，推断参观动机与未满足需求。
从“单点试验”到“闭环智能”
报告基于南京博物院实践，归纳了数据采集系统智能化升级的四阶段路径。阶段一“单点试验期” ——在特展等高价值场景中完成“可采—可看—可用”；阶段二“系统联动期” ——多系统关联、跨业务分析，支持运营协同决策；阶段三“平台治理期” ——统一平台与治理，体系化赋能；阶段四“闭环智能期” ——形成“监测—预警—处置—评估—迭代”的业务闭环。
行为层——观众“做了什么”的量化刻画
千万级客流的结构性变化
南博数据可视化平台自2023年投入运营以来，积累了海量观众行为数据。2019-2025年月均参观人数显示：疫情期间客流骤降56.1%，2023年迎来显著反弹（较2022年增长220.5%），此后继续保持高位。2023年南博总参观人数1,309.70万人，2024年增至1,428.24万人。
观众构成方面，女性观众长期占多数（2019年56.7%，2025年1-8月58.2%）。年龄上以年轻群体为主，20-30岁始终是核心群体，但2025年儿童与青少年（0-10岁、10-20岁）占比显著上升。地域分布上，江苏省观众占比从2023年的19.44%微降至2025年的17.7%，但仍是“基本盘”。
驻留时长与展区热度
观众驻留时长数据显示，2023年南博全院平均停留时长为3小时10分，特展馆2小时12分，历史馆2小时19分。2025年全院平均停留时长稳定在2小时57分左右，特展馆提升至2小时26分。“4小时以上”深度观众占比逐年提升，反映观众从“走马观花”转向“深度沉浸”。
系统按各展区观众密度进行区域热度排行，从实时人数数据可近似反映观众密度，为展区运营优化提供依据。
情感层——观众“感受如何”的数据化评估
微笑率：一个可量化的积极情绪指标
南博以“微笑人数/拍摄总人数”的“微奖率”作为观众积极情感体验的代表性指标。数据显示，2023-2024年全院微奖率总体在60%-85%区间波动。2023年年初显著较高（约80%+），年中下降到65%左右。2025年前8个月呈缓慢下降趋势（从71%下降到66%）。
值得注意的是，特展馆的微奖率总体较低且呈下降趋势，2023年基本在6%-13%之间，2024-2025年多数月份在3%-6%左右。而历史馆的微奖人数占比在不同年份/月份波动较大。2025年7-8月，历史馆微奖率达到特展馆的三倍以上。
情感预测模型：谁在微笑？何时微笑？
研究团队通过K近邻、支持向量机、决策树等算法构建分类模型，预测观众积极情绪。最优模型中信息增益最高的前10个特征包括：观展季节、观展年份、历史馆微笑人数、[40,50)年龄段观众人数、[10,20)年龄段观众人数、特展馆微笑人数等。
这一结果提示：为提高观众观展中的积极情绪体验，尤其需要重视观展时节的影响、历史馆与特展馆的观众体验，以及中青年群体与10-20岁青少年观众的观展体验。
文本分析：2110条评论揭示的“内容-服务”双主题
基于大众点评平台2110条评论的文本分析，揭示了更细腻的观众体验维度。高频词统计显示，“民国馆”“文物”“历史馆”“展品”是观众最常提到的话题。TF-IDF关键词分析则显示，“预约”的区分度最高——说明预约体验是区分正负口碑的关键因素。
LDA主题建模将评论文本划分为“展览内容”和“服务管理”两大主题。“预约/排队”为TF-IDF最高关键词，是口碑分化核心因素。语义共现网络分析进一步将观众关注点划分为内容与学术、参观体验与服务感受、出行与预约/票务/动线三个维度。
意图层——观众“为什么来”的深度洞察
五类访客日类型的聚类分析
南博采用K-means聚类算法对博物馆开放日进行分群，识别出五类具有显著差异的访客日类型。
类型一“平日高满意常态型” （占比25.23%）：工作日为主，本地/周边观众占比突出，满意度高、客流稳定。类型二“节假日高流量亲子型” （占比15.47%）：0-20岁观众占比高，特展兴趣高。类型三“淡季深度体验型” （占比26.92%）：工作日为主，日均访客最少但驻留时间最长（3.15小时），表现出明显的深度参观特征。类型四“研学·历史深度型” （占比24.84%）：10-20岁青少年占比最高，在历史馆停留时间显著长于特展馆。类型五“深度文化兴趣型” （占比7.54%）：20-40岁占比显著更高，历史偏好明显，驻留时间最长。
从洞察到行动的转化路径
报告提出了数据驱动观众分析的“组块式框架”，自上而下依次连接“目标层—核心体验/行为机制层—分析信息模块—数据与算法工具箱”，并以积极心理学优势理论与PERMA模型作为体验质量的解释支架。
基于五类访客日类型，博物馆可将年度资源按日型占比分配。平日本地常访日重在服务标准化与会员运营；节假日亲子高流量日以分时预约和容量控制为先；淡季成人学习与研学深度日强化定时导览与团体预约分流；历史偏好中青年日提供高阶解读与专题路线。
未来展望——从“数据看见”到“智能预见”
智慧化转型的新阶段
2025年，南博正式启动“南京博物院智慧化可行性研究咨询设计项目”，按照“1+3+N”智慧博物馆架构理念推进。规划1个底座（云网端一体化数字基础设施）、3个中台（业务中台、物联网中台、AI中台）、N个场景（运营、管理、服务、保护等维度）。
数据驱动的终极目标
报告指出，数据驱动观众分析的终极目标是将博物馆的运营、教育与社会目标转化为可测量、可诊断、可干预的观众分析体系。通过数据采集、关联分析到观众画像与情感体验/观展行为预测，再到运营与服务优化的闭环路径，博物馆得以实现从“经验管理”到“数据驱动”的跃迁。
正如南博的实践所证明的：数据不是目的，让每一位观众获得更好的体验才是。
